Técnicas de Pronósticos (XIII)

VALORES DEL MODELO

valores del modelo

Los valores del modelo, vistos en el cuadro precedente, presentan los coeficientes, el error típico, y otros indicadores estadísticos muy relevantes. De esta tabla retomaremos los valores para nuestro modelo, que explicaré más adelante. Sigamos viendo y analizando los resultados obtenidos.

Análisis de los residuales

análisis de los resicuales

Resultados de datos de probabilidad

Resultados de datos de probabilidad

 

Gráfica 1.26. Curva de regresión ajustada.

Gráfica 1.26. Curva de regresión ajustada.

Gráfica 1.26 presenta la curva de regresión ajustada, y a simple vista se nota que la tendencia es creciente, con pendiente positiva, indicando que a un cambio en la variable independiente, afectará de igual manera a la variable dependiente. Por ejemplo, un incremento de una, aumentará la otra; o una disminución en una variable, indefectiblemente causará una baja en la otra variable.

Gráfico 1.27. Gráfico de probabilidad normal.

Gráfico de probabilidad normal.

El gráfico de probabilidad normal es una importante herramienta gráfica para comprobar si un conjunto de datos puede considerarse o no procedente de una distribución normal. La idea básica consiste en enfrentar, en un mismo gráfico, los datos que han sido observados frente a los datos teóricos que se obtendrían de una distribución gaussiana. Si la distribución de la variable coincide con la normal, los puntos se concentrarán en torno a una línea recta, aunque conviene tener en cuenta que siempre tenderá a observarse mayor variabilidad en los extremos. A partir de esto, podemos afirmar que nuestro gráfico de probabilidad normal confirma la fortaleza de nuestro modelo.

Gráfico 1.28. Gráfico de los residuales.

Gráfico de los residuales.

El gráfico 1.28 muestra la diferencia entre los valores reales contra cada predicción potencial. Una de las aplicaciones que me fascina de los residuales, es que a partir de ellos se pueden detectar fácilmente valores extremos conocidos en estadística como “outliers”, los cuales son casos que tienen valores sumamente altos o sumamente bajos en comparación con el resto, y que se sugiere brindarles un tratamiento especial para que no distorsionen los resultados de la investigación. Una sugerencia es “eliminarlos” y sustituirlos por el valor promedio.

¿Te gustó? Pues comparte ;-)
Este sitio usa cookies para personalizar el contenido y los anuncios, ofrecer funciones de redes sociales y analizar el tráfico. Ninguna cookie será instalada a menos que se desplace exprésamente más de 600px. Leer nuestra Política de Privacidad y Política de Cookies. Las acepto | No quiero aprender cursos gratis. Sácame